[发明专利]一种IPTV节目推荐方法

说明书

本发明一种IPTV节目推荐方法，涉及由服务器执行的方便内容分发与终端用户设备相关的数据的交互式电视，是一种基于隐式评分模型和图游走的协同过滤IPTV节目推荐方法，提出一种三特征隐式评分模型，将用户收视行为数据转化为用户评分数据，再使用加入时间因子函数余弦相似度计算节目的直接相似度，然后使用图游走的方法计算节目的间接相似度，最后重建节目的相似度并对用户进行推荐，克服了现有技术中存在处于大数据环境下，数据稀疏性和兴趣漂移影响到对IPTV节目推荐的准确度的缺陷，以及现有技术均未对用户的兴趣漂移问题进行改善的缺陷。

技术领域

本发明的技术方案涉及由服务器执行的方便内容分发与终端用户设备相关的数据的交互式电视，具体地说是一种IPTV节目推荐方法。

背景技术

随着互联网和广播电视网络的不断发展，IPTV即具有互动点播功能的网络电视逐渐走进了人们的生活。IPTV将数字技术、计算机技术、互联网技术与广播电视技术有机地结合在一个平台，向用户提供了数字广播电视、交互式娱乐平台、资讯平台以及电子商务等多种网络服务，并通过电视机或电脑一类显示终端呈现给用户。伴随着互联网科技的发展，海量的节目引入IPTV平台，为了满足用户的选择需求，IPTV节目的个性化推荐系统应运而生。个性化推荐系统的目的是根据用户的个性化需求将最符合用户喜好的IPTV节目挑选出来并推荐给用户，以减轻用户的选择负担。协同过滤推荐方法是一种目前应用最广泛的IPTV节目推荐方法，它可以在用户没有明确提出自己需求的情况下，根据用户的行为对用户进行IPTV节目推荐。

现有技术中，用户对IPTV节目的历史评分是使用协同过滤推荐方法进行IPTV节目推荐的依据。但是在IPTV实际应用中，受到电视平台操作性和传统用户收视习惯等条件的影响，用户往往不愿意给出对节目的直接反馈的评分和喜好信息。同时，由于大数据环境下用户和节目的数量不断增长，协同过滤推荐方法面临着严重的稀疏性问题，并且用户的兴趣随时间发生变化，其造成了IPTV节目推荐准确度的降低。

CN108737856A公开了社会关系感知的IPTV用户行为建模与节目推荐方法，该方法考虑节目时长与播放时长比值、观看类型节目时长与所有类型时长比值建立用户偏好模型，并使用张量分解的方法进行推荐，其存在建立的用户偏好模型准确度不高，张量分解方法也会造成信息的丢失，且不能有效的解决稀疏性问题，推荐的准确度降低的缺陷。CN107071578A公开了IPTV节目推荐方法，该方法依据日志文件进行隐式推荐，其存在大数据背景下，日志数据信息量庞大且不断增长，导致该方法使用受到限制的缺陷。CN105430505B公开了一种基于组合策略的IPTV节目推荐方法，该方法直接依赖于评分数据进行推荐，其存在在IPTV平台上，大多数用户没有评分的习惯，日志数据只有用户的收视行为记录的缺陷。CN103297853B公开了一种基于多用户上下文识别的IPTV节目推荐方法，该方法使用聚类的方法进行推荐，其存在聚类的方法受数据稀疏性的影响比较严重，稀疏性会导致推荐准确度降低的缺陷。CN103260061B公开了一种上下文感知的IPTV节目推荐方法，IPTV平台中收视类型可分为直播、点播、回看等，其存在该方法提出的隐式评分模型没有考虑不同的收视类型，忽略收视类型会降低隐式评分的可信度，使用隐语义模型推荐时丢失大量信息，无法缓解稀疏性问题，导致推荐准确度降低的缺陷。

总之，在IPTV节目推荐方法的现有技术中存在处于大数据环境下，数据稀疏性和兴趣漂移影响到对IPTV节目推荐的准确度的缺陷，以及现有技术均未对用户的兴趣漂移问题进行改善的缺陷。

发明内容

本发明所要解决的技术问题是：提供一种IPTV节目推荐方法，是一种基于隐式评分模型和图游走的协同过滤IPTV节目推荐方法，提出一种三特征隐式评分模型，将用户收视行为数据转化为用户评分数据，再使用加入时间因子函数余弦相似度计算节目的直接相似度，然后使用图游走的方法计算节目的间接相似度，最后重建节目的相似度并对用户进行推荐，克服了现有技术中存在处于大数据环境下，数据稀疏性和兴趣漂移影响到对IPTV节目推荐的准确度的缺陷，以及现有技术均未对用户的兴趣漂移问题进行改善的缺陷。